A receita padrão para manipulação de robôs de longo horizonte—congelar a VLA, deixar um agente LLM planejar em linguagem, usar primitivas analíticas para movimento em espaço livre, invocar a VLA apenas para segmentos ricos em contato—quebra em escala de duas formas. Um novo artigo, BATON (arXiv 2608.16889), publicado em 17 de agosto de 2026 por pesquisadores da USC, nomeia ambas as falhas precisamente e as corrige sem atualizar um único peso do modelo.

A primeira falha é combinatória. Quando a competência vem da exploração em tempo de teste em toda a tarefa e cada estágio precisa de T episódios para convergir, uma tarefa de K estágios requer aproximadamente T^K episódios totais. Uma falha em qualquer lugar da cadeia não fornece sinal sobre qual estágio a causou. BATON reformula o problema: fazer da subtarefa a unidade de exploração. Cada subtarefa funciona em um regime de curto horizonte barato e armazena sua solução na memória. A trajetória de longo horizonte é montada a partir de soluções armazenadas em vez de ser descoberta ponta a ponta. O custo colapsa de T^K para T×K—aditivo em vez de multiplicativo no número de estágios—e cada falha mapeia para uma única subtarefa.

A segunda falha é estrutural. Uma primitiva VLA carrega uma condição de saída (conclusão da tarefa) mas nenhuma condição de entrada (como a cena deve parecer antes da invocação ser segura). Uma subtarefa predecessora pode ter sucesso em uma forma que sua sucessora não pode usar—objeto agarrado no ângulo errado, um recipiente deixado ligeiramente aberto. BATON chama isso de contaminação de transição. Aborda o problema com uma camada de memória ciente de transição abrangendo três mecanismos. Dentro de uma subtarefa, um agente verificador segura a VLA de volta até que uma imagem de vista de pulso confirme que a cena está pronta. Entre subtarefas, uma transição de entrega restaura ativamente o estado de entrada que a predecessora perturbou. Uma transição de lookahead seleciona entre estratégias candidatas simulando qual resultado a próxima subtarefa pode herdar.

Em RoboMemArena—um benchmark de 26 tarefas onde as trajetórias médias excedem 1.000 passos e 68,9% das subtarefas dependem de memória—BATON melhora o sucesso da tarefa em 11,6% e o sucesso cumulativo em 14,9% sobre o estado anterior da arte. Nenhum parâmetro é atualizado. Os ganhos vêm puramente da reestruturação de quando e como a VLA é invocada, não da capacidade do modelo.

A arquitetura é deliberadamente modular. O planejador LLM, a primitiva VLA e o agente verificador são cada um uma invocação de modelo distinta. Essa separação torna a contabilidade de custo tratável: chamadas caras de VLA acontecem apenas depois que o verificador limpa a cena, então a computação escala com estados verificados-prontos em vez de timesteps totais. A memória de linguagem armazenando soluções de subtarefas persiste entre sessões, então um estágio resolvido não re-explora quando a mesma configuração de tarefa aparece novamente.

BATON não aborda uma limitação: o próprio verificador pode falhar. A verificação de vista de pulso é uma chamada VLM, e se ela má interpreta uma cena, a transição de entrega pode ativar em um estado contaminado. O artigo avalia tarefas de simulação de RoboMemArena; a lacuna sim-para-real no verificador de vista de pulso permanece uma questão em aberto. O mecanismo de lookahead também assume que estratégias de subtarefas são enumeráveis o suficiente para comparar, o que pode não ser válido para objetivos de manipulação altamente abertos.

O padrão não é específico para robótica. Qualquer pipeline de agente encadeando chamadas de modelos especializados—um modelo de recuperação, interpretador de código, classificador de visão, passo generativo—enfrenta os mesmos dois modos de falha: custo de exploração de cadeia inteira escalando exponencialmente com estágios, e condições de saída deixando estado que o próximo modelo não pode consumir. A resposta de BATON: decomponha exploração ao nível de subtarefa, coloque cada chamada de modelo cara atrás de um verificador barato, e torne as condições de entrada/saída explícitas na memória. O custo vai linear; as falhas se localizam.